Google DeepMind показала Gemini Omni для мультимодального редактирования видео

Google DeepMind выпустила Gemini Omni — мультимодальную модель для генерации и редактирования видео. Это архитектурный шаг вперед по сравнению с Veo. Алгоритм одновременно обрабатывает референсы из видео, аудио и изображений. Редактирование реального футажа теперь работает через простые текстовые промпты.

На практике это открывает подход к сложнейшему мета-композу. Задачи по замене объектов или изменению среды в кадре решаются без классической разбивки на слои. Модель бесшовно вписывает генерацию в реальные ролики. Сделать подобные правки стандартными инструментами композа часто технически невозможно из-за высоких затрат времени.

Уровень интеграции нейросетей начинает ломать восприятие контента. При просмотре официального видео с разработчиками быстро ловишь себя на профессиональной деформации. Мозг автоматически начинает оценивать качество липсинка и искать артефакты даже на кадрах с живыми людьми.